附录¶

飞桨支持的 Nvidia GPU 架构及安装方式¶

编译依赖表¶

编译选项表¶

BLAS

PaddlePaddle 支持 MKL 和 OpenBlAS 两种 BLAS 库。默认使用 MKL。如果使用 MKL 并且机器含有 AVX2 指令集，还会下载 MKL-DNN 数学库，详细参考这里 。

如果关闭 MKL，则会使用 OpenBLAS 作为 BLAS 库。

CUDA/cuDNN

PaddlePaddle 在编译时/运行时会自动找到系统中安装的 CUDA 和 cuDNN 库进行编译和执行。 使用参数 -DCUDA_ARCH_NAME=Auto 可以指定开启自动检测 SM 架构，加速编译。

PaddlePaddle 可以使用 cuDNN v5.1 之后的任何一个版本来编译运行，但尽量请保持编译和运行使用的 cuDNN 是同一个版本。 我们推荐使用最新版本的 cuDNN。

编译选项的设置

PaddePaddle 通过编译时指定路径来实现引用各种 BLAS/CUDA/cuDNN 库。cmake 编译时，首先在系统路径（ /usr/lib 和 /usr/local/lib ）中搜索这几个库，同时也会读取相关路径变量来进行搜索。 通过使用-D命令可以设置，例如：

cmake .. -DWITH_GPU=ON -DWITH_TESTING=OFF -DCUDNN_ROOT=/opt/cudnnv5

注意：这几个编译选项的设置，只在第一次 cmake 的时候有效。如果之后想要重新设置，推荐清理整个编译目录（ rm -rf ）后，再指定。

安装包列表¶

您可以在 Release History 中找到 PaddlePaddle-gpu 的各个发行版本。

需要注意的是，命令中 paddlepaddle-gpu==3.0.0b1 在 windows 环境下，会默认安装支持 CUDA 11.8 和 cuDNN 8 的对应[版本号]的 PaddlePaddle 安装包

多版本 whl 包列表-Release¶

在 Docker 中执行 PaddlePaddle 训练程序¶

假设您已经在当前目录（比如在/home/work）编写了一个 PaddlePaddle 的程序: train.py （可以参考 PaddlePaddleBook 编写），就可以使用下面的命令开始执行训练：

cd /home/work

docker run -it -v $PWD:/work registry.baidubce.com/paddlepaddle/paddle /work/train.py

上述命令中，-it 参数说明容器已交互式运行；-v $PWD:/work 指定将当前路径（Linux 中 PWD 变量会展开为当前路径的绝对路径）挂载到容器内部的:/work 目录: registry.baidubce.com/paddlepaddle/paddle 指定需要使用的容器； 最后/work/train.py为容器内执行的命令，即运行训练程序。

当然，您也可以进入到 Docker 容器中，以交互式的方式执行或调试您的代码：

docker run -it -v $PWD:/work registry.baidubce.com/paddlepaddle/paddle /bin/bash

cd /work

python train.py

注：PaddlePaddle Docker 镜像为了减小体积，默认没有安装 vim，您可以在容器中执行 apt-get install -y vim 安装后，在容器中编辑代码。

使用 Docker 启动 PaddlePaddle Book 教程¶

使用 Docker 可以快速在本地启动一个包含了 PaddlePaddle 官方 Book 教程的 Jupyter Notebook，可以通过网页浏览。 PaddlePaddle Book 是为用户和开发者制作的一个交互式的 Jupyter Notebook。 如果您想要更深入了解 deep learning，可以参考 PaddlePaddle Book。 大家可以通过它阅读教程，或者制作和分享带有代码、公式、图表、文字的交互式文档。

我们提供可以直接运行 PaddlePaddle Book 的 Docker 镜像，直接运行：

docker run -p 8888:8888 registry.baidubce.com/paddlepaddle/book

国内用户可以使用下面的镜像源来加速访问：

docker run -p 8888:8888 registry.baidubce.com/paddlepaddle/book

然后在浏览器中输入以下网址：

http://localhost:8888/

使用 Docker 执行 GPU 训练¶

为了保证 GPU 驱动能够在镜像里面正常运行，我们推荐使用 nvidia-docker来运行镜像。 请不要忘记提前在物理机上安装 GPU 最新驱动。

nvidia-docker run -it -v $PWD:/work registry.baidubce.com/paddlepaddle/paddle:latest-gpu /bin/bash

注: 如果没有安装 nvidia-docker，可以尝试以下的方法，将 CUDA 库和 Linux 设备挂载到 Docker 容器内：

export CUDA_SO="$(\ls /usr/lib64/libcuda* | xargs -I{} echo '-v {}:{}') \
$(\ls /usr/lib64/libnvidia* | xargs -I{} echo '-v {}:{}')"
export DEVICES=$(\ls /dev/nvidia* | xargs -I{} echo '--device {}:{}')
docker run ${CUDA_SO} \
${DEVICES} -it registry.baidubce.com/paddlepaddle/paddle:latest-gpu